發(fā)布時間：2022-02-18 07:18

　　近年來,隨著計算機網絡技術的研究和發(fā)展,計算機應用深入到我們生活的各個方面,成為日常生活不可缺少的重要部分。但隨著網絡應用場景的不斷增多,網絡安全事件的影響也日益增多。社交物聯(lián)網作為社交網絡與物聯(lián)網的融合載體,社交網絡機制在物聯(lián)網各層體系結構中應用進行。海量各異的智能對象連接互通,社交數據交互隨機進行,對網絡安全技術提出了更嚴格的要求。訪問控制技術作為重要的資源保護方法之一,在社交物聯(lián)網環(huán)境中的研究應用卻相對較少。如何實現社交屬性的合理利用,并與傳統(tǒng)物聯(lián)網架構有效融合,成為保障社交物聯(lián)網環(huán)境安全運行的關鍵問題。為保障社交物聯(lián)網環(huán)境下訪問控制技術的合理實施,本文提出一種基于博弈論的自適應細粒度訪問控制模型。先明確靜態(tài)屬性標簽,對一些特定的“專屬目標”賬戶可以直接進行訪問控制,而對于其他大多數的普通賬戶則標簽化特征屬性,通過量化標簽相似度實施訪問控制初步授權,然后將社交屬性融合到博弈論的模型方法中進行定義與整合,作為社交物聯(lián)網下訪問控制自適應調整實施依據,并進一步得出博弈支付矩陣,根據博弈支付矩陣計算混合策略納什均衡,實現社交物聯(lián)網下訪問控制的細粒度劃分。最后針對本文提出的社交物聯(lián)網自適應... 

【文章來源】：河北科技大學河北省

【文章頁數】：57 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
    1.3 主要研究內容
    1.4 論文的組織結構
第2章 基本理論與相關研究
    2.1 社交物聯(lián)網引入研究
        2.1.1 物聯(lián)網相關研究
        2.1.2 社交網絡概述
    2.2 社交物聯(lián)網具體分析
        2.2.1 社交物聯(lián)網體系結構分析
        2.2.2 社交物聯(lián)網安全現狀
    2.3 訪問控制相關研究
        2.3.1 訪問控制技術介紹
        2.3.2 訪問控制與具體應用場景結合
        2.3.3 自適應訪問控制模型研究
    2.4 博弈論
        2.4.1 博弈論的定義以及分類
        2.4.2 博弈論與訪問控制結合
    2.5 本章小結
第3章 社交物聯(lián)網下初步訪問控制模型建立
    3.1 訪問控制模型設計
    3.2 專屬目標判別
    3.3 標簽相似度計算
        3.3.1 特征屬性標簽量化方法
        3.3.2 標簽完善算法
    3.4 本章小結
第4章 社交物聯(lián)網下自適應模型建立
    4.1 訪問控制自適應模型流程
    4.2 用戶行為數據分析
        4.2.1 用戶行為數據信息采集
        4.2.2 用戶行為數據信息處理
    4.3 重復博弈模型建立
    4.4 訪問控制策略建立
    4.5 本章小結
第5章 實驗仿真與結果
    5.1 實驗環(huán)境
        5.1.1 開發(fā)環(huán)境
        5.1.2 實驗步驟
    5.2 實驗驗證與分析
        5.2.1 初級權限策略確立
        5.2.2 構建重復博弈模型
        5.2.3 自適應訪問控制策略形成
    5.3 本章小結
結論
參考文獻
攻讀碩士學位期間所發(fā)表的論文
致謝


【參考文獻】：
期刊論文
[1]社交物聯(lián)網（SIoT）及其安全綜述[J]. 王穎,倪有鵬.  電子技術與軟件工程. 2019(06)
[2]訪問控制策略一致性和完備性檢測方法研究[J]. 張紅斌,馬鵬程,劉濱.  河北工業(yè)科技. 2018(05)
[3]物流系統(tǒng)安全性研究綜述與展望[J]. 吳軍建.  常州大學學報(社會科學版). 2018(05)
[4]社交物聯(lián)網研究綜述[J]. 弭寶瞳,梁循,張樹森.  計算機學報. 2018(07)
[5]基于Levenshtein和TFRSF的文本相似度計算方法[J]. 藏潤強,孫紅光,楊鳳芹,馮國忠,尹良亮.  計算機與現代化. 2018(04)
[6]大數據環(huán)境下基于信息論的入侵檢測數據歸一化方法[J]. 宋勇,蔡志平.  武漢大學學報(理學版). 2018(02)
[7]物聯(lián)網安全綜述[J]. 張玉清,周威,彭安妮.  計算機研究與發(fā)展. 2017(10)
[8]基于FPGA的卷積神經網絡Softmax層實現[J]. 李理,應三叢.  現代計算機(專業(yè)版). 2017(26)
[9]改進Pearson相關系數的個性化推薦算法[J]. 陳功平,王紅.  山東農業(yè)大學學報(自然科學版). 2016(06)
[10]Josang信任模型的物聯(lián)網感知層安全數據融合方法[J]. 魏琴芳,程利娜,付俊,胡向東.  重慶郵電大學學報(自然科學版). 2016(06)

碩士論文
[1]基于位置的社交網絡的個性化地點推薦研究[D]. 馮宇.太原理工大學 2018
[2]用戶網絡訪問行為的預測研究[D]. 丁曉強.中北大學 2017
[3]基于OpenStack的多租戶數據安全保護技術研究[D]. 袁雪波.電子科技大學 2017
[4]物聯(lián)網中基于屬性和角色的混雜訪問控制研究[D]. 孫凱文.北京郵電大學 2015
[5]面向微博的數據采集和分析系統(tǒng)的設計與實現[D]. 馮典.北京郵電大學 2013
[6]基于模板化網絡爬蟲技術的Web網頁信息抽取[D]. 喬峰.電子科技大學 2012
[7]數字社區(qū)網絡中的細粒度訪問控制模型[D]. 張亮.西安電子科技大學 2012
[8]基于角色訪問控制的權限管理系統(tǒng)研究與實現[D]. 吳忠懿.南京航空航天大學 2009
[9]訪問控制技術研究及應用[D]. 尹紹鋒.湖南大學 2008



本文編號：3630463